/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
MOSS-Transcribe-Diarize
Опубликована
2 авг 2026

khasi-asr-transcribe-diarize-checkpoints

Распознавание речиАудио, текст → текст

Производная модели toiar/khasi-asr-transcribe-diarize. Дообученная аудиомодель для транскрибирования речи на Khasi, английском и хинди с поддержкой временных меток и диаризации говорящих.

0скачиваний за 30 дней0лайковвеса обновлены2 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Карточка модели toiar/khasi-asr-transcribe-diarize-checkpoints на Hugging Face совпадает с карточкой toiar/khasi-asr-transcribe-diarize, поэтому описание составлено по ней.

Модель toiar/khasi-asr-transcribe-diarize — дообученная на Khasi версия аудиомодели MOSS-Transcribe-Diarize от OpenMOSS-Team. Она предназначена для транскрибирования речи на Khasi, английском и хинди, включая режимы с временными метками и диаризацией говорящих, а также вывод только с метками говорящих. Базовая модель имеет размер 0,9 млрд параметров и поддерживает длинные аудиозаписи с временными метками, диаризацией и аннотациями акустических событий.

Модель принимает аудио и преобразует его в текстовые транскрипты с разметкой говорящих. Она распространяется в формате safetensors по лицензии Apache-2.0. В проверках отмечались ошибки записи чисел в Khasi; при транскрибировании коротких высказываний на хинди возможен переход с деванагари на латиницу.

Сценарии применения

  • транскрибирование аудиозаписей на Khasi
  • распознавание английской речи с разметкой говорящих
  • транскрибирование хинди с проверкой написания деванагари
  • создание транскриптов с временными метками
  • разделение реплик по говорящим в аудиозаписи

Ограничения

В проверках встречались ошибки распознавания чисел в Khasi. Для коротких фрагментов на хинди возможен вывод латиницей вместо деванагари, поэтому такие транскрипты следует проверять.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MOSS-Transcribe-Diarize fine-tuned for Khasi

Fine-tuned from OpenMOSS-Team/MOSS-Transcribe-Diarize (0.9B) on a combined ~342-hour corpus spanning Khasi (kha), English (en), and Hindi (hi), with both timestamped-diarization and speaker-only output modes.

Training data: toiar/Khasi_ASR_Final_Combined (125,220 train rows / 1,153 held-out validation rows, stratified by language and output mode).

Usage

Load the base model, with trust_remote_code=True:

import torch
from transformers import AutoModelForCausalLM, AutoProcessor
from moss_transcribe_diarize.inference_utils import build_transcription_messages, generate_transcription

model_id = "toiar/moss-transcribe-diarize-khasi"
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, dtype="auto").eval()
processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)

prompt = (
    "请将音频转写为文本,每一段需以起始时间戳和说话人编号"
    "([S01]、[S02]、[S03]…)开头,正文为对应的语音内容,"
    "并在段末标注结束时间戳,以清晰标明该段语音范围。"
)
messages = build_transcription_messages("audio.wav", prompt=prompt)
result = generate_transcription(model, processor, messages, max_new_tokens=1024, do_sample=False)
print(result["text"])

Training

  • 2 epochs, effective batch size 16, learning rate 1e-5, bf16
  • Final eval_loss: 0.2963 (converged from step ~9,000 onward)

Known limitations

  • Hindi (the smallest language slice, ~13.5h) has shown occasional script failures on short utterances (falling back to Romanized text instead of Devanagari) in spot checks. Verify carefully before relying on this model for Hindi transcription.
  • Rare numeric/digit transcription errors observed in Khasi spot checks.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
7f8b94e

0 моделей